遗传算法优化的BP神经网络PID控制器

神经网络的初始权值的选取影响控制器的性能，本文提出了一种新的改进遗传算法优化的BP神经网络PID控制器。该方法设计了组合交叉操作，交叉、变异并行结构及引入移民的遗传算法。将该方法用于控制器设计，仿真结果说明了该方法的有效性。     

智能控制技术与热工自动控制

本文回顾了智能控制在过程控制中应用的几个主要方面以及存在的问题.并提出了存在于火电厂过程控制领域中一些潜在的研究课题,为设计新型热工控制系统提供参考.     

多变量模糊自校正控制器及其应用

本文介绍了表达ＭＩＳＯ动态系统的模糊模型，并提出了有关参数和结构的在线辨识算法。根据辨识的模糊模型，利用Ｃｌａｒｋｅ的单变量广义预测控制（ＧＰＣ）原理［１］设计了多变量模糊自校正控制器。仿真研究表明，该模糊自校正控制方法应用于火电机组负荷系统的控制，可以收到良好的效果。     

基于能量整形的先进静止无功发生器(ASVG)控制器设计

建立了适合能量整形和考虑系统调节动态的简化ASVG三阶模型,首次应用能量整形IDA-PBC方法设计了先进静止无功发生器(ASVG)的闭环稳定控制器.能量整形IDA-PBC方法直接使用系统能量作为存储函数,物理意义明确,较其它非线性控制器结构简单,并避免了可能产生的不期望的高增益问题,由于设计中完整地保留了系统非线性结构,不需进行任何线性化处理,较各种线性化设计方法具有更强的鲁棒性,适应系统模型和参数不精确程度效果较好.给出的仿真算例表明所提出的ASVG控制器能够在系统发生大的扰动后,ASVG安装点电压和电容器的直流电压能尽快恢复正常,控制方案有效可行.     

基于H∞观测器原理的模糊自适应控制器设计

针对一类非线性系统提出一种利用观测器原理来求解干扰抑制项和控制器参数的新 型模糊自适应控制方法.通过寻求线性矩阵不等式(LMI)的可行解来得到具有H∞跟踪性能的 模糊自适应观测器.并证明了如果该观测器具有H∞跟踪性能,则由该观测器参数构成的控制 器,可以保证闭环系统稳定.     

从一类数据信息中产生模糊规则的有限元方法

产生模糊规划的传统方法，指出利用传统的模糊规则生成方法所得到的模糊规则及由模糊规则所得到的各种控制和预测结果值得怀疑。本文邮从一类数据信息中产生模糊规则的有限元方法，基于本方法所产生的模糊规则是由所研究对象的精度决定的。最后给出的模糊规则生成的实例表明了本方法的有效性和简捷性。     

一类数据结构的模糊规则构造方法

提出用模糊逻辑规则精确表示一类有限元的方法，基于这种方法构造的模糊规则是唯一的，模糊规则之间不存在相互矛盾的情况。理论分析表明，一类有限元插值是模糊逻辑系统逼近器和多项式逼近器的交集。单机无穷大系统励磁控制的仿真结果表明了这种模糊逻辑构造方法的有效性和实用性。     

基于增广泛函的混合时滞区间神经网络的鲁棒稳定性

本文针对一类带有混合时变时滞 (离散和分布时滞)的区间递归神经网络进行了全局鲁棒稳定性研究.与之前的处理方法不同,在本文中通过使用一种新型的增广Lyapunov-Krasovskii泛函,从而得到了一类新颖的关于区间递归神经网络的时滞依赖全局鲁棒稳定性判据.在新的增广泛函中,由于首次使用了带有激活函数的积分项,系统状态和激活函数之间的关系将被更好地表示出来.因此,本文提出的判据具有更小的保守性.同时,在本文提出的判据中,放松了时变时滞变化率必须小于1的限制.仿真结果进一步证明了本文结果的有效性.     

基于快速遗传算法的固定阶H2/H∞自适应噪声抵消器

讨论了混合型固定阶H2／H∞自适应噪声抵消器的设计方法。其不仅能充分利用H2设计的最优性，而且能利用H∞设计的鲁棒性，克服了信号处理中存在模型扰动和噪声的不确定性等问题。固定阶次的H2／H∞自适应噪声抵消器的设计方法是从工程实践的观点出发，不仅实现简单，而且节省运行时间。采用快速遗传算法获取自适应噪声抵消器的系数。仿真结果表明：该方法设计的噪声抵消器即使噪声特性发生改变，而滤波器的结构及参数不变时，其去噪效果仍然良好；同时，该方法可以用于多路信号和复杂信号的噪声消除。     

基于自适应模糊神经网络的噪声抵消器

讨论了基于自适应模糊神经网络的噪声抵消器的设计方法。自适应模糊神经网络系统具有非线性映射和自学习能力，能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计，并互能够克服信号处理中存在的模型和噪声的不确定性、不完备性。该法设计的滤波器效果良好，并可以用于多路信号和复杂信号的噪声消除。